Python尝试实现蒙特卡罗模拟期权定价


Posted in Python onApril 21, 2022

期权是一种合约,它赋予买方在未来某个时间点以特定价格买卖资产的权利。 这些被称为衍生品的合约的交易有多种原因,但一种常见的用法是来对冲当资产价格以不利方式变动,所产生的风险敞口。

期权,即买入或卖出的权利,也是有价格的。 Black Scholes 模型描述了一种确定期权公平价格的方法,但还有许多其他方法可以确定价格。

期权,及其价值

欧式期权只有在未来达到预定日期(称为到期日)后才能使用(或行使),可以用字母 T 表示。

看涨期权赋予期权持有人以已知价格购买的权利。 如果资产的到期价格(用 ST 表示)高于执行价格 K ,则看涨期权会赚钱,否则就一文不值。

CT=max(0,ST−K)

同样,看跌期权是出售资产的权利。 当资产在到期日价格ST低于执行价格K时,看跌期权会赚钱,否则就一文不值。

PT=max(0,K−ST)

以下是到期时看跌期权和看涨期权的收益图。 我们的资产价格是 x 轴,收益是 y 轴。

Python尝试实现蒙特卡罗模拟期权定价

风险中性估值

为了使用蒙特卡罗模拟为期权定价,我们使用风险中性估值,其中衍生品的公允价值是其未来收益的预期价值。

因此,在到期前的任何日期,用 t 表示,期权的价值是其到期收益预期的现值 T 。

Ct=PV(E[max(0,ST−K)])

Pt=PV(E[max(0,K−ST)])

在风险中性估值下,我们假设标的资产将平均获得无风险利率。 因此,要计算任何时间 t 的期权收益,我们要按该利率对收益进行贴现。 现在我们有一种计算现值 PV 的方法。

Python尝试实现蒙特卡罗模拟期权定价

上面的公式中,除了St ,所有这些变量都是已知的,因此St是我们的模拟将提供的。

为了给期权定价,我们将创建一个模拟,为资产 St 最终价格提供许多观察结果。 通过平均所有的回报,我们得到了对回报的期望值。

模拟资产价格

Black Scholes 模型中使用的股票价格行为模型假设我们有一个已知的波动性,我们有一个无风险利率,并且资产的价格遵循几何布朗运动。

几何布朗运动是一个随机过程,其中随机变量的对数服从正态分布。 这种类型的过程通过对数正态分布来分配价格。

所以现在我们有一个计算时间 T 时刻资产价格的方法:

Python尝试实现蒙特卡罗模拟期权定价

为此,我们需要知道:

r 是我们要贴现的无风险利率。 σ 是波动率,即股票回报的年化标准差。 (T-t) 给了我们年化的到期时间。 例如,对于 30 天选项,这将是 30/365=0.082... S 是在时间 t 标的资产的价格。 ϵ 是我们的随机值。 它的分布必须是标准正态(均值为 0.0,标准差为 1.0)

期权定价

为了在模拟过程中为期权定价,我们生成资产可能在到期时的许多价格,计算每个生成价格的期权收益,将它们平均,然后对最终价值进行贴现。

在创建完整模拟之前,我们将通过一个包含10次运行的小示例。假设我们有一个具有以下价值的资产:S = 100.00 美元和 σ = 20%,我们想为半年到期的看涨期权定价,执行价为 110.00 美元,我们的无风险利率是 1%。

随机变量 资产价格 收益 贴现收益
1.3620 120.64 10.64 10.58
-0.7784 89.13 0.00 0.00
-0.9408 87.11 0.00 0.00
0.2227 102.69 0.00 0.00
-0.0364 98.99 0.00 0.00
-1.4303 81.28 0.00 0.00
-0.8306 88.47 0.00 0.00
1.5155 123.28 13.28 13.21
-1.5679 79.71 0.00 0.00
-1.6718 78.55 0.00 0.00

将折扣收益值平均,得出我们的看涨期权价格为 2.38 美元。 我们执行的模拟越多,价格就越准确。

现在我们可以看到模拟如何生成价格,让我们构建一个可以为期权定价的小型 Python 脚本,看看它是否与真实情况相符。 让我们看一下实际的例子。

为真实期权定价

在下图中,我们有一个谷歌看涨期权的报价,行使价为 860.00 美元,将于 2013 年 9 月 21 日到期。我们还可以看到它的最后交易价格是14.50 美元。这个例子给了我们尝试定价时,期权的一个目标价格。

Python尝试实现蒙特卡罗模拟期权定价

此处未指定的是波动性、无风险利率、当前的股票价格。 波动率是一个相当复杂的话题,因此就本文而言,我们将假设我们知道该特定期权的波动率为 20.76%。而股票当前价格可以通过查看各种来源找到,为857.29 美元。

对于无风险利率,我们可以使用与我们选择的到期时间相同的美国 LIBOR 利率; 我们的期权在大约三周后到期,由于没有三周利率,我们将使用两周利率来近似,即 0.14%。

接下来是Python代码的实现,首先我们将写下我们将如何生成资产价格。

def generate_asset_price(S,v,r,T):
    return S * exp((r - 0.5 * v**2) * T + v * sqrt(T) * gauss(0,1.0))

我们知道所有的输入值,所以我们可以像这样设定它们:

S = 857.29 # underlying price
v = 0.2076 # vol of 20.76%
r = 0.0014 # rate of 0.14%
T = (datetime.date(2013,9,21) - datetime.date(2013,9,3)).days / 365.0

print generate_asset_price(S,v,r,T)
>>> 862.1783726682384

现在我们需要能够计算这个生成价格的回报。 回想一下之前我们说过看涨期权在到期时价值是 ST-K 或 0,我们将其表示为一个函数,并应用于我们生成的资产价格。

def call_payoff(S_T, K):
    return max(S_T - K, 0.0)

print call_payoff(862.18, 860)
>>> 2.1799999999

完整的模拟

现在让我们将各模块代组合,并为 Google 期权定价。

import datetime
from random import gauss
from math import exp, sqrt

def generate_asset_price(S,v,r,T):
    return S * exp((r - 0.5 * v**2) * T + v * sqrt(T) * gauss(0,1.0))

def call_payoff(S_T,K):
    return max(0.0,S_T-K)

S = 857.29 # underlying price
v = 0.2076 # vol of 20.76%
r = 0.0014 # rate of 0.14%
T = (datetime.date(2013,9,21) - datetime.date(2013,9,3)).days / 365.0
K = 860.
simulations = 90000
payoffs = []
discount_factor = math.exp(-r * T)

for i in xrange(simulations):
    S_T = generate_asset_price(S,v,r,T)
    payoffs.append(
        call_payoff(S_T, K)
    )

price = discount_factor * (sum(payoffs) / float(simulations))
print 'Price: %.4f' % price

程序运行结果如下,这与我们在市场上观察到的此 Google 期权的价格相匹配。

Price: 14.5069

需要注意的是,我们刚刚计算的谷歌期权实际上是一个美式期权,我们只是把它定价成欧式期权,没有考虑期权可以提前行权的可能性,尽管如此,我们仍然得出了正确的价格。

这是因为,非派息股票(例如文中举例的 Google)的美式看涨期权的价格与欧式看涨期权的价格相同。理论上,当股票不支付股息时,提前行权并不是最佳选择。 如果期权永远不会提前行权,那么美式期权的价格可以像欧式期权一样进行计算。

到此这篇关于Python利用蒙特卡罗模拟期权定价的文章就介绍到这了!


Tags in this post...

Python 相关文章推荐
400多行Python代码实现了一个FTP服务器
May 10 Python
使用Python编写简单网络爬虫抓取视频下载资源
Nov 04 Python
python继承和抽象类的实现方法
Jan 14 Python
python通过字典dict判断指定键值是否存在的方法
Mar 21 Python
详谈python read readline readlines的区别
Sep 22 Python
python利用requests库进行接口测试的方法详解
Jul 06 Python
对Python 语音识别框架详解
Dec 24 Python
Python3.4学习笔记之 idle 清屏扩展插件用法分析
Mar 01 Python
python简单实现矩阵的乘,加,转置和逆运算示例
Jul 10 Python
Python手绘可视化工具cutecharts使用实例
Dec 05 Python
基于Django快速集成Echarts代码示例
Dec 01 Python
如何用六步教会你使用python爬虫爬取数据
Apr 06 Python
Python matplotlib绘制条形统计图 处理多个实验多组观测值
python绘制简单直方图(质量分布图)的方法
Python绘制散乱的点构成的图的方法
Python可视化动图组件ipyvizzu绘制惊艳的可视化动图
Python探索生命起源 matplotlib细胞自动机动画演示
Apr 21 #Python
使用python绘制横竖条形图
python多次执行绘制条形图
Apr 20 #Python
You might like
PHP+XML 制作简单的留言本 图文教程
2009/11/02 PHP
php中比较简单的导入phpmyadmin生成的sql文件的方法
2011/06/28 PHP
web server使用php生成web页面的三种方法总结
2013/10/28 PHP
浅谈php和.net的区别
2014/09/28 PHP
PHP is_array() 检测变量是否是数组的实现方法
2016/06/13 PHP
Ajax+PHP实现的分类列表框功能示例
2019/02/11 PHP
javascript比较文档位置
2008/04/08 Javascript
iframe的onload在Chrome/Opera中执行两次Bug的解决方法
2011/03/17 Javascript
ExtJS的拖拽效果示例
2013/12/09 Javascript
利用jquery写的左右轮播图特效
2014/02/12 Javascript
Jquery.Form 异步提交表单的简单实例
2014/03/03 Javascript
document.forms用法示例介绍
2014/06/26 Javascript
javascript实现可全选、反选及删除表格的方法
2015/05/15 Javascript
Javascript实现跑马灯效果的简单实例
2016/05/31 Javascript
[原创]javascript typeof id==='string'?document.getElementById(id):id解释
2016/11/02 Javascript
Bootstrap基本组件学习笔记之导航(10)
2016/12/07 Javascript
简单实现js进度条加载效果
2020/03/25 Javascript
React中上传图片到七牛的示例代码
2017/10/10 Javascript
使用 electron 实现类似新版 QQ 的登录界面效果(阴影、背景动画、窗体3D翻转)
2018/10/23 Javascript
小程序实现五星点评效果
2018/11/03 Javascript
Angular使用Restful的增删改
2018/12/28 Javascript
前端路由&webpack基础配置详解
2019/06/10 Javascript
jQuery实现推拉门效果
2020/10/19 jQuery
python之从文件读取数据到list的实例讲解
2018/04/19 Python
Python3.5基础之函数的定义与使用实例详解【参数、作用域、递归、重载等】
2019/04/26 Python
详解在Python中以绝对路径或者相对路径导入文件的方法
2019/08/30 Python
Ubuntu16.04安装python3.6.5步骤详解
2020/01/10 Python
Tensorflow实现部分参数梯度更新操作
2020/01/23 Python
python 下载m3u8视频的示例代码
2020/11/11 Python
css3实现文字首尾衔接跑马灯的示例代码
2020/10/16 HTML / CSS
Spartoo瑞典:鞋子、包包和衣服
2018/09/15 全球购物
管理学院毕业生自荐信范文
2014/03/10 职场文书
教师先进工作者事迹材料
2014/05/01 职场文书
啦啦队口号大全
2014/06/16 职场文书
婚礼男方父母答谢词
2015/09/29 职场文书
pytorch分类模型绘制混淆矩阵以及可视化详解
2022/04/07 Python